PlanTL-GOB-ES/UD_Spanish-AnCora

该数据集由AnCora语料库的注释组成，并映射到Universal Dependencies树库中。它主要用于西班牙语的词性标注任务，作为EvalEs西班牙语基准的一部分。数据集包含三个conllu文件，分别用于训练、开发和测试。数据集的注释以纯文本文件形式存储，包含单词行、空白行和注释行。单词行包含10个字段，如ID、FORM、LEMMA、UPOS等。数据集是西班牙语（es-ES）的，且不包含个人或敏感信息。

原始信息汇总

数据集概述

数据集名称

• 名称: UD_Spanish-AnCora

数据集摘要

• 摘要: 该数据集由AnCora语料库的注释组成，映射到Universal Dependencies树库上。使用此语料库的POS注释作为EvalEs西班牙语语言基准的一部分。

支持的任务和排行榜

• 任务: POS标记

语言

• 语言: 西班牙语 (es-ES)

数据集结构

• 数据实例: 包含三个conllu文件。
• 数据字段: 每个单词行包含10个字段，包括ID、FORM、LEMMA、UPOS、XPOS、FEATS、HEAD、DEPREL、DEPS和MISC。
• 数据分割: 分为训练集（es_ancora-ud-train.conllu）、开发集（es_ancora-ud-dev.conllu）和测试集（es_ancora-ud-test.conllu）。

数据集创建

• 源数据: 原始注释作为AnCora项目的一部分在巴塞罗那大学完成，后由Universal Dependencies团队转换为依赖关系。
• 许可证: 本作品根据CC Attribution 4.0 International License授权。

引用信息

• 引用文献:
  • Taulé, M., M.A. Martí, M. Recasens (2008) Ancora: Multilevel Annotated Corpora for Catalan and Spanish, Proceedings of 6th International Conference on Language Resources and Evaluation. Marrakesh (Morocco).
  • Rueter, J. (Creator), Erina, O. (Contributor), Klementeva, J. (Contributor), Ryabov, I. (Contributor), Tyers, F. M. (Contributor), Zeman, D. (Contributor), Nivre, J. (Creator) (15 Nov 2020). Universal Dependencies version 2.7 Erzya JR. Universal Dependencies Consortium.